多模态，已经成为大模型最重要的发展方向之一。

从GPT-4V到GPT-4o，多模态大模型在多模态感知与理解方面的进展，正在不断惊艳世界。

然而，利用多模态大模型来应对自动驾驶中复杂场景，特别是罕见但关键的难例场景，仍然是一个未解的难题。

围绕这一挑战，现在，一场由香港科技大学、香港中文大学等研究机构发起的ECCV 2024 Workshop来了。

这场Workshop旨在研讨当前最先进的自动驾驶技术，与完全可靠的智能自动驾驶代理之间的差距，促进多模态大模型感知与理解、先进的AIGC技术在自动驾驶系统中的应用，以及端到端自动驾驶等方面的创新研究。

活动主要包括论文投稿和挑战赛两部分，如果你对此感兴趣，详情请看——

Workshop征稿

本次论文征稿关注自动驾驶场景多模态感知与理解、自动驾驶场景图像与视频生成、端到端自动驾驶、下一代工业级自动驾驶解决方案等主题，包括但不限于：

• Corner case mining and generation for autonomous driving.
• 3D object detection and scene understanding.
• Semantic occupancy prediction.
• Weakly supervised learning for 3D Lidar and 2D images.
• One/few/zero-shot learning for autonomous perception.
• End-to-end autonomous driving systems with Large Multimodal Models.
• Large Language Models techniques adaptable for self-driving systems.
• Safety/explainability/robustness for end-to-end autonomous driving.
• Domain adaptation and generalization for end-to-end autonomous driving.

投稿规则：

本次投稿将通过OpenReview平台实行双盲审稿，接收两种形式的投稿：

1. 完整论文：论文篇幅在14页内，采用ECCV格式，参考文献和补充材料篇幅不限。被接收的论文将成为ECCV官方论文集的一部分，不允许重新提交到其他会议。
2. 扩展摘要：论文篇幅为4页内，采用CVPR格式，参考文献和补充材料篇幅不限。被接收的论文不会被包含在ECCV官方论文集中，允许重新提交到其他的会议。

投稿入口：

1. 完整论文：https://openreview.net/group?id=thecvf.com/ECCV/2024/Workshop/W-CODA
2. 扩展摘要：https://openreview.net/group?id=thecvf.com/ECCV/2024/Workshop/W-CODA_Abstract_Paper_Track

自动驾驶难例场景多模态理解与视频生成挑战赛

本次竞赛旨在提升多模态模型在自动驾驶中极端情况的感知与理解，并生成描绘这些极端情况的能力。

赛道一：自动驾驶难例场景感知与理解

本赛道关注多模态大模型（MLLMs）在自动驾驶难例场景的感知和理解能力，包括整体场景理解、区域理解和行驶建议等方面的能力，旨在推动更加可靠且可解释的自动驾驶代理的发展。

赛道二：自动驾驶难例场景视频生成

本赛道关注扩散模型生成多视角自动驾驶场景视频的能力。基于给定的自动驾驶场景3D几何结构，模型需要生成与之对应的自动驾驶场景视频，并保证时序一致性、多视角一致性、指定的分辨率和视频时长。

竞赛时间：2024年6月15日至2024年8月15日

奖项设置：冠军1000美元，亚军800美元，季军600美元（每赛道）

时间节点

Workshop主页：

https://coda-dataset.github.io/w-coda2024/

文章来源于“量子位”，作者“CK”